从结构连接组预测个体的功能连接:证据,建议和未来前景的评估
Andrew Zalesky1,2, Tabinda Sarwar3, Ye Tian1
1Systems Lab, Department of Psychiatry, The University of Melbourne, Victoria, Australia.
Network neuroscience (Cambridge, Mass.)
|December 30, 2024
概括
深度神经网络可以预测个体的大脑连接,但效果大小小. 未来的研究应该使用提供的基准来评估休息状态功能大脑网络中的个体预测性能.
科学领域:
- 神经科学是一个神经科学.
- 计算神经科学是一种神经科学.
- 机器学习 机器学习
背景情况:
- 深度神经网络 (DNN) 越来越多地用于模拟人类连接组中的复杂关系.
- 这些DNN捕捉个体特异性功能性大脑网络特征的能力尚不清楚.
- 一个关键的问题是,对于个人的DNN预测是否超过了基本基准,比如群体平均值.
研究的目的:
- 统计评估功能连接的深度神经网络预测是否捕捉到个体特定的大脑网络特征.
- 评估这些个别预测是否优于既定基准.
- 为未来关于个体大脑连接性预测的研究提供建议.
主要方法:
- 从一项先前对1000名健康成年人的研究中重新审视功能连接性预测.
- 采用两个统计指标来评估个人预测性能.
- 将DNN预测与组平均值和零条件作为基准进行比较.
主要成果:
- DNN预测显著捕捉到功能连接的微妙,个体特异性的变化.
- 个人预测在统计学上表现优于群体平均值和零条件基准.
- 对于个体预测的观察效应大小很小,比组平均值有8%至11%的改善.
结论:
- 虽然DNN可以显著预测个体的大脑连接,但效应大小表明需要适度初始期望.
- 该研究提供了证据表明,个别预测可以超过适当的基准.
- 为未来的研究提出建议,以使用强大的基准来统计验证个人预测性能.
